- 博客(17)
- 收藏
- 关注
RSS订阅原创 Self-similarity Grouping: A Simple Unsupervised Cross Domain Adaptation Approach for Person Re-id
一些背景：1、这是ICCV2019 oral的一篇文章【论文地址】https://arxiv.org/abs/1811.10144【GitHub地址】https://github.com/OasisYang/SSG2、领域自适应（Domain Adaptation）是迁移学习（Transfer Learning）的一种，思路是将不同领域（如两个不同的数据集）的数据特征映射到同一个...
2019-10-18 16:20:04
1008
3
原创 NEURAL ARCHITECTURE SEARCH WITH REINFORCEMENT LEARNING
提出背景：尽管过去几年深度神经网络在极具挑战的任务上取得成功，以及越来越多样化的feature设计和架构设计的出现，但是设计深度模型架构依然需要很强的专业知识以及大量时间。本文：提出了基于梯度（gradient-based）NaS方法（如下图），此工作是基于对‘一个神经网络的结构和连通性可以被一串可变字符来明确定义’的认知，因此可以通过一个循环网络（即controller）来生成string，...
2019-04-26 22:11:18
350
翻译 机器学习论文怎么读？大神给你三步妙招
读论文绝对是个技术活，无论是机器学习，还是密码学分布式共识算法，或者神经网络什么的，要想真正对计算机学科的某个领域有专业的理解，你必须紧跟这个方面最新研究。对相关专业有专业严谨的评估，是我们必备的能力。只要有耐心并多加练习，以及很多很多的咖啡，你一定可以掌握高效读论文的方法。我每周通常会每周读10-12篇研究论文，以紧跟计算机领域的潮流。随着时间推移，读论文的能力也越来越好。找机器学习...
2018-07-23 22:02:56
1614
转载 机器学习的所有资源链接和经验教训（十五）其他有趣的链接
其他有趣的链接神经网络游乐场 ConvNetJS演示 斯坦福情绪分析演示 深度学习与物理学的关系 人工智能的可解释性 以工程师的身份学习深度学习 特征可视化 机器学习中的表现力，可训练性和推广 优化解释 学习与RL交易 AI和Digital Forgery 朱迪珍珠专访 2018年的人工智能状况 L2正则化的新视角 ...
2018-07-19 11:59:00
168
转载 机器学习的所有资源链接和经验教训（十四）调试ML模型
调试ML模型当您的ML模型的准确性不够好时，您应该怎么做？ 如果您的训练精度很高但验证准确性很差，这可能意味着您的模型过度匹配训练数据。 降低模型复杂性 收集更多数据 数据增强有助于（至少对于图像数据） 老实说，只需在ML模型的这个组件中投入更多的时间/金钱几乎总是值得的。 正则化 如果你的训练准确性不够好，你可以这样。 增加模型复杂性 每层中有更多层或...
2018-07-19 11:58:51
262
转载 机器学习的所有资源链接和经验教训（十三）Kaggle
Kaggle与Kaggle有点爱恨交织。我认为对于希望获得更多实践经验的机器学习初学者来说非常棒。我无法告诉你，通过Pandas加载数据的过程，使用Tensorflow / Scikit-Learn创建模型，训练模型以及进行微调以获得良好性能对我有多大帮助。看看你的模特之后如何与竞争对手相媲美也是一种很酷的感觉。 我不喜欢的Kaggle部分是需要多少功能工程才能真正进入排行榜的前10-15％...
2018-07-19 11:58:33
325
转载 机器学习的所有资源链接和经验教训（十二）
数学资源矩阵微积分 机器学习数学机器学习中的偏见第294条：机器学习的公平性 机器学习博客文章中的偏见与公平 精准医学的公平性
2018-07-19 11:56:38
305
翻译 机器学习的所有资源链接和经验教训（十一）ML项目建议
ML项目建议首先创建您的机器学习pipeline，然后开始思考如何调整并在以后更好地优化您的模型。 例如，如果您要创建图像分类模型，请确保您能够将数据加载到程序中，创建测试/训练矩阵，创建一个非常简单的模型（使用其中一个DL库），创建训练循环，并确保网络正在学习一些东西，你可以达到一些基线准确性。只有在完成这些步骤后，才能开始担心正则化，数据增强等问题。 太多次，当您的问题可能只是加载数...
2018-07-19 11:56:08
212
翻译 机器学习的所有资源链接和经验教训（十）深度强化学习
深度强化学习关于RL的一些很酷的文章和博客文章。深层强化学习不起作用 Deep RL Arxiv评论文章 Pong来自像素 经验教训再现了一篇深刻的RL论文
2018-07-19 11:55:54
210
翻译 机器学习的所有资源链接和经验教训（八）深度学习框架
深度学习框架Keras- 我的朋友和我开个玩笑，我们说你的代码中只有Keras导入的行数比实际代码要多，因为函数的级别非常高。真的很认真。你可以加载一个预训练的网络并在你自己的任务中以6行进行微调。这太不可思议了。这绝对是我用于黑客马拉松的框架，当我在时间紧迫时，但我认为如果你真的想学习ML和DL，依靠Keras的漂亮API可能不是最好。 Tensorflow- 这是我现在的深入的框架。...
2018-07-18 11:14:14
180
转载 机器学习的所有资源链接和经验教训（七）Tensorflow / Deep Nets
Tensorflow / Deep Nets始终确保您的模型能够适应一些训练数据。一旦您知道网络正确学习并且能够过度拟合，那么您就可以构建更通用的模型。 评估Tensorflow图仅在运行时进行。您的工作是首先定义变量和占位符以及操作（它们共同构成图形），然后您可以在会话（执行环境）中执行此图形，您可以在其中将值输入到占位符中。 正规化对于深网来说是非常重要的。 重量衰减 退出 ...
2018-07-18 11:13:35
194
转载 机器学习的所有资源链接和经验教训（六）最好的博客
最好的博客Andrej Karpathy 谷歌研究 尼尔劳伦斯 Qure.ai 布兰登阿莫斯 丹尼布里茨 莫里茨哈特 Deepmind 机器学习掌握 Smerity 神经视角 皮特沃登 凯文扎卡 托马斯丁斯莫尔 罗汉瓦玛 Anish Athalye 亚瑟朱莉安妮 CleverHans 离开凸出的道路 塞巴斯蒂安·鲁德 伯克利人工智能研究 Faceboo...
2018-07-18 11:07:13
146
转载 机器学习的所有资源链接和经验教训（五）ML技术讲座
ML技术讲座民主化机器学习 - 尼尔劳伦斯 NLP的深度学习 - Richard Socher 2015年ICML深度学习小组讨论 人工智能在企业中的实际应用 使用AI来个性化医疗保健 自主驾驶CVPR 2016主题演讲 - Amnon Shashua 从文本到知识通过ML - Xavier Amatriain 用于生成图像描述的深层视觉语义对齐 深度学习理论动机 - Yosh...
2018-07-18 11:06:13
168
翻译 机器学习及深度学习的所有最有用资源链接和经验（二）最佳课程
最佳课程斯坦福CS 231N - CNN 斯坦福CS 224D - NLP的深度学习 Hugo Larochelle的神经网络课程 大卫·西尔弗的强化学习课程 Andrew Ng机器学习课程 斯坦福大学CS 229 - 与Coursera课程非常相似 加州大学伯克利分校Kaggle Decal 简短的麻省理工学院DL课程介绍 Udacity深度学习 深度学习学校蒙特利尔201...
2018-07-18 11:02:40
192
翻译 机器学习及深度学习的所有最有用资源链接和经验（一）入门课程
学习机器学习“你应该如何开始机器学习？” 随着AI和ML在科技行业中成为如此巨大的话题，如果没有在网上论坛，与加州大学洛杉矶分校的其他学生讨论，甚至与其他医学预科和人文学科专业人士进行讨论，就很难完成整个学习过程。根据我自己熟悉的ML经验和我通过ACM AI教授给其他人的经验，这是我对这个问题的最好回应： 在开始使用任何代码或任何技术术语之前，我认为最好的第一步是全面了解机器学习是什...
2018-07-18 11:00:55
324
原创 unbuntu 下安装 feedparser
在 《机器学习实战 》一书中，朴素贝叶斯一章最后一个实例中需要下载Universal Feed Parser程序库。如何在unbuntu下安装feedparser呢？第一步：安装setuptoolssudo wget https://pypi.python.org/packages/source/s/setuptools/setuptools-0.6c11.tar.gz#md5=7df2a529a...
2018-07-13 10:50:40
320
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人